API

网络图片解析

网络图片解析 #


接口说明 #


通过多模态AI模型分析图片内容,理解图片、提取图片信息,包括OCR功能。

主流图片分析模型 #


模型名称 描述
gpt-4o 目前图片分析调用量最大的模型,稳定、并发高
gemini-2.5-flash 谷歌旗舰模型,速度快,性价比好
claude-sonnet-4-20250514 图片分析做的不错,但性价比略差
doubao-1.5-vision-pro-250328 国内图片分析主流模型,性价比好,稳定、并发高

基础信息 #


接口地址 #


POST /v1/chat/completions

请求头 #


参数 类型 必填 说明
Authorization string Bearer token,格式:Bearer ******
Content-Type string 固定值:application/json
User-Agent string 客户端标识

请求参数 #


{
  "model": "gemini-2.0-flash-thinking-exp-1219",
  "messages": [
    {
      "role": "system",
      "content": [
        {"type": "text", "text": "你是一个图片分析助手。"}
      ]
    },
    {
      "role": "user",
      "content": [
        {
          "type": "image_url",
          "image_url": {
            "url": "图片URL"
          }
        },
        {
          "type": "text",
          "text": "分析提示词"
        }
      ]
    }
  ],
  "temperature": 0.1,
  "user": "whatai"
}

参数说明 #


参数 类型 必填 说明
model string 模型名称,推荐:gemini-2.5-flashgpt-4o
messages array 消息内容数组
temperature float 生成文本的随机性,0-1之间
user string 用户标识

Python 调用示例 #

import requests

# API配置
BASE_URL = "https://api.whatai.cc/"
API_ENDPOINT = BASE_URL + "v1/chat/completions"
API_KEY = "sk-******"  # 替换为你的API密钥
IMAGE_URL = "https://api.whatai.cc/111.jpg"  # 替换为你的图片URL

def analyze_image(image_url, prompt):
    """
    图片分析函数
    :param image_url: 图片URL
    :param prompt: 分析提示词
    :return: 分析结果文本
    """
    payload = {
        "model": "gemini-2.0-flash-thinking-exp-1219",
        "messages": [
            {
                "role": "system",
                "content": [{"type": "text", "text": "你是一个图片分析助手。"}]
            },
            {
                "role": "user",
                "content": [
                    {"type": "image_url", "image_url": {"url": image_url}},
                    {"type": "text", "text": prompt}
                ]
            }
        ],
        "temperature": 0.1
    }
    
    headers = {
        "Content-Type": "application/json",
        "Authorization": f"Bearer {API_KEY}"
    }

    try:
        response = requests.post(API_ENDPOINT, headers=headers, json=payload)
        response.raise_for_status()
        return response.json()["choices"][0]["message"]["content"]
    except Exception as e:
        print(f"请求失败: {e}")
        return None

# 使用示例
if __name__ == "__main__":
    result = analyze_image(IMAGE_URL, "请描述这张图片的内容")
    if result:
        print("分析结果:", result)

常见错误码 #


状态码 说明
400 请求参数错误,看看图片是不是太大了
500 服务器内部错误

Claude API格式兼容

神马中转API实现任意模型Claude Compatible接入! #


随着 Claude Code 在开发者中的普及,越来越多的用户希望能在只支持 Claude 接口的应用中调用更多模型。神马中转API 率先实现了“任意模型 Claude Compatible”,极大推动了 AI 生态的开放和互联!


🧠 Claude 格式 vs OpenAI 格式对比 #


🎯 请求路径区别 #

接口类型 示例请求路径
OpenAI 格式 api.whatai.cc/v1/chat/completions
Claude 格式 api.whatai.cc/v1/messages

🧾 请求体格式差异 #

OpenAI 格式请求示例

{
    "model": "gpt-4.1",
    "messages": [
        {
            "role": "user",
            "content": "Hello!"
        }
    ]
}

Claude 格式请求示例

{
    "model": "claude-3-5-sonnet-20240620",
    "max_tokens": 1024,
    "messages": [
        {
            "role": "user",
            "content": "Hello, world"
        }
    ]
}

关键差异

Midjourney使用教程

Midjourney使用教程 ​ #


Midjourney(简称mj)和Niji-journey(简称niji)模式相同,都以mj举例

✨ 支持Midjourney官方所有功能

  • 同时支持, Midjourney Proxy Plus, 以及, Midjourney Proxy 接口协议

  • 如果你的项目不支持以上方式,请, 查看API接入文档, ,实现调用接口

  • 适用性广,支持 Midjourney 所有操作

一、MJ Proxy Plus 快捷接入方式 ​ #


Midjourney Proxy 主机: https://api.whatai.cc

Midjourney Proxy Secret:在令牌页生成的令牌,格式为 sk-xxxxxx

ChatGPT & Midjourney配置教程: #

神马中转API聊天菜单 - ChatGPT & Midjourney - 左下角设置按钮 - 服务端 - 找到Midjourney设置:

ChatGPT & Midjourney配置教程

神马中转API聊天菜单 - ChatGPT & Midjourney - 绘画:

提示词

On the streets of the city after the rain, the second-dimensional beauty wears a silver-gray hip skirt and gray stockings with patterns. Her high heels are eye-catching, in gray and deep purple tones. She has an urban fashion style. The stockings have exquisite patterns. The street lights and rainwater reflect the elegant legs. 

ChatGPT & Midjourney配置教程

本地图片解析

本地图片解析 #

接口说明 #


通过多模态AI模型分析图片内容,支持OCR和图片信息提取功能。

主流图片分析模型


模型名称 描述
gpt-4o 目前图片分析调用量最大的模型,稳定、并发高
gemini-2.5-flash 谷歌旗舰模型,速度快,性价比好
claude-sonnet-4-20250514 图片分析做的不错,但性价比略差
doubao-1.5-vision-pro-250328 国内图片分析主流模型,性价比好,稳定、并发高

本地图片分析预处理 #


需要先把本地图片转为 base64 再提交给模型。

参数说明 #


  • model: 指定使用的AI模型

  • messages: 包含用户指令和图片数据

  • temperature: 控制输出随机性(0-1)

  • image_url: 支持Base64编码的本地图片或网络图片URL

请求示例 #



import base64
import requests

def encode_image(image_path):
    """将本地图片编码为Base64字符串"""
    with open(image_path, "rb") as image_file:
        return base64.b64encode(image_file.read()).decode("utf-8")

# API配置
BASE_URL = "https://api.whatai.cc/"
API_ENDPOINT = BASE_URL + "v1/chat/completions"
API_KEY = "sk-******"  # 替换为你的API密钥

# 准备请求数据
image_data = encode_image("example.png")  # 本地图片路径

payload = {
    "model": "gpt-4o",  # 指定分析模型
    "messages": [
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "请分析图片内容"},
                {
                    "type": "image_url",
                    "image_url": {
                        "url": f"data:image/png;base64,{image_data}"
                    }
                }
            ]
        }
    ],
    "temperature": 0.1
}

headers = {
    "Content-Type": "application/json",
    "Authorization": f"Bearer {API_KEY}"
}

# 发送请求
response = requests.post(API_ENDPOINT, headers=headers, json=payload)
print(response.json())  # 输出响应结果

注意事项 #


  1. 图片需小于20MB

高级功能-API KEY安全配置

高级功能-API KEY 安全配置 #

🔐 API Key 安全加固指南 #

密钥如金,严防盗刷! 三大利刃全面守护您的API Key安全,杜绝泄露风险

🛡️ 安全配置三剑客 #

⚔️ 1. IP白名单 - 网络级防护 #

作用:构建数字围墙,只有在白名单内的 IP 地址才能调用 API,其他 IP 地址的请求将被拒绝。

  • 令牌页 → 目标Key → 编辑 → IP白名单

Image 6

⚠️ 致命防护

未在白名单的IP发起请求 → 403 Forbidden

有效拦截99%的盗刷攻击

2. 额度预警 - 财务级护航 #

作用:实时监控消耗,预防超额损失

  • 个人中心页 → 通知设置 → 额度预警订阅

Image 8

🔒 3. 模型锁 - 权限级管控 -启用模型限制 #

作用:指定某个 API Key 仅用于特定的模型,防止该 Key 被用于其他模型调用

Coze教程

Coze 是什么?为什么现在很多人都在学它?

Coze(扣子编程) 是一个面向 AI 应用开发的低代码/无代码平台。

它的核心目标非常明确:让不会写代码的人,也能通过自然语言 + 可视化编排,快速搭建 AI 智能体、工作流和应用。

根据官方文档,Coze 提供的是一个 AI 驱动的应用开发平台,支持多种开发范式,帮助用户构建并交付生产级别的全栈 AI 应用;同时它也支持通过自然语言描述需求来生成工作流或项目骨架。

Coze(扣子编程)完整介绍与入门教程:配置中转API、创建官方工作流


Coze到底能做什么? #

如果你刚接触 Coze,可以先把它理解成这 3 层能力:

1)智能体(Bot / Agent) #

适合做:

  • AI 客服

  • AI 助手

  • 文案生成助手

  • 学习辅导助手

  • 资料问答机器人

  • 公众号排版助手

  • 小红书/短视频脚本助手

你可以给它设置:

  • 人设(System Prompt)

  • 回复风格

  • 工具调用

  • 知识库

  • 工作流能力

  • 发布渠道


2)工作流(Workflow) #

适合做:

  • 多步骤内容生成

  • 审核 + 改写 + 输出

  • RAG 检索问答

  • 分类路由

  • 表单处理

  • 数据清洗

  • 批量文本分析

  • 多模型协同

Coze 官方把工作流定义为:

一系列可执行指令的集合,用于实现业务逻辑或完成特定任务,并提供可视化画布,通过拖拽节点来快速搭建。


3)AI 编程 / 生成式工作流 #

这是最近很火的一块。

常见报错码

常见报错码 #

错误排查指南 #

遇到错误时,请先查看返回的错误码,然后参考下表进行排查处理。

错误码对照表 #

状态码 说明 解决方案
400 请求格式错误 检查请求参数,例如o1系列模型不支持system参数
401 无效令牌 检查API密钥是否正确,可换模型测试验证
403 令牌分组被禁用 编辑令牌取消限额或新建令牌
404 接口不存在 检查Base URL是否正确,尝试添加/v1或斜杠/
413 请求内容过长 缩短prompt内容后重试
429 上游限流 账号并发过高,稍后重试
500 服务器内部错误 多次重试仍失败请联系管理员
503 模型不可用 当前分组无该模型渠道,请检查模型名称是否正确,有没有多空格少空格之类。
504 网关超时 上游服务器未及时响应,稍后重试
524 连接超时 通道拥挤,稍后重试

解答 #

400 错误码,一般是请求参数不匹配。先把 system 注释掉,先试试通不通。

401 错误码 “无效令牌”,是因为令牌和API地址URL错配了。

403 错误码,一般是 令牌额度 不够了(令牌额度和账户额度是两个概念)。 到令牌编辑里,点 “设为无限额度” 就可以了,一般等2分钟就能生效。 也可以新建一个令牌“设为无限额度”,试一下。

404 错误码,大概率是 API地址 没正确设置。

429 错误码,是模型达到流量限制的体现。简单说就是:用的人太多 造成模型达到 TPM 饱和了。 一般情况下,等会重试就可以使用。 如果持续不能使用,把模型名称给客服,客服会排查处理。

函数调用FunctionCall

函数调用FunctionCall #

概念介绍 #


函数调用(Function Calling\Tools Calling)是AI大模型的一种能力。允许大语言模型在对话过程中调用外部函数/工具。当用户提问需要实时数据(如天气、股票等)时,模型会返回函数调用请求,开发者可以在后端执行相应函数并返回结果。

API 基础信息 #


  • 请求地址: https://api.whatai.cc/v1/chat/completions

  • 请求方法: POST

  • 认证方式: Bearer Token

请求示例 #


import http.client
import json

# 创建HTTPS连接
conn = http.client.HTTPSConnection("api.whatai.cc")

# 构造请求体
payload = json.dumps({
    "model": "gpt-4o",  # 指定模型
    "max_tokens": 300,  # 最大返回token数
    "temperature": 0.8,  # 生成结果的随机性控制
    "stream": False,  # 是否流式输出
    "messages": [{
        "role": "user",
        "content": "上海今天几度?"  # 用户提问
    }],
    "tools": [{  # 定义可用工具
        "type": "function",
        "function": {
            "name": "get_current_weather",  # 函数名称
            "description": "获得天气信息",  # 功能描述
            "parameters": {  # 参数定义
                "type": "object",
                "properties": {
                    "location": {  # 必填参数:地点
                        "type": "string",
                        "description": "城市和州名,例如:上海, 中国"
                    },
                    "unit": {  # 可选参数:温度单位
                        "type": "string",
                        "enum": ["celsius", "fahrenheit"]
                    }
                },
                "required": ["location"]  # 必填参数列表
            }
        }
    }]
})

# 请求头设置
headers = {
    "Accept": "application/json",
    "Authorization": "Bearer sk-**********************",  # 替换为你的 API 令牌
    "Content-Type": "application/json"
}

# 发送请求
conn.request("POST", "/v1/chat/completions", payload, headers)

# 获取响应
res = conn.getresponse()
data = res.read()

# 输出结果
print(data.decode("utf-8"))

响应处理 #


当用户提问需要调用函数时,API会返回包含函数调用信息的JSON响应。开发者需要: